如何讓工業(yè)AI懂人話、說人話、干人活。

作者｜王博

“95%生成式AI的企業(yè)試點并沒有帶來實質回報。”

這是近期麻省理工學院（MIT）的NANDA項目發(fā)布的《生成式AI鴻溝：2025 年企業(yè)級AI現狀》報告里的調研結論。這份報告把生成式AI在企業(yè)落地過程中出現的顯著分化現象命名為生成式AI鴻溝（GenAI Divide）。

少數企業(yè)（約5%）跨越了這道鴻溝，把AI轉化為了能直接帶來業(yè)務價值的生產力工具；大多數企業(yè)（約95%）則被困在鴻溝另一側，AI項目停留在試點或演示層面，難以創(chuàng)造可衡量的ROI（投入產出比）。

從行業(yè)現狀看，這個數字可能有些夸張，但企業(yè)級AI的問題值得討論。和消費級AI不同，企業(yè)級AI落地的痛點在于：能做demo不一定能跑生產，能跑生產未必能帶來ROI。

報告還指出，尤其是在工業(yè)和先進制造業(yè)領域，AI多為維護類試點，比如在設備維護或質量檢測方面進行嘗試，但尚未推動整個產業(yè)流程。

工業(yè)是AI落地的關鍵領域，這條生成式AI鴻溝應如何跨越？

1.什么樣的AI模型能真正走進工廠

工業(yè)AI落地面臨“三道坎”。

首先是數據問題。工業(yè)數據分散在不同系統(tǒng)，存在噪聲、缺失和非結構化，且高質量標注數據稀缺，制約了模型訓練效果。

其次是機理與數據的融合難題。純數據驅動的模型“黑箱化”嚴重，難以讓工藝工程師信任；傳統(tǒng)機理模型雖精確，卻難以實時計算。如何形成既有解釋性又有靈活性的“灰箱模型”，仍是業(yè)界探索的方向。

最后是安全性與ROI。工業(yè)場景事關重大資產與人身安全，AI必須具備極高的魯棒性。而從試點到規(guī)模化落地，企業(yè)如何衡量投資與收益，也是一道現實難題。

那么，什么樣的AI模型能真正走進工廠？

「甲子光年」在一家國企找到了應用案例——中石油蘭州石化榆林化工有限公司（以下簡稱“蘭州石化榆林化工”）的乙烷制乙烯生產智能化轉型。

中石油蘭州石化榆林化工有限公司，圖片來源：中石油蘭州石化榆林化工有限公司

蘭州石化榆林化工是一家典型的流程工業(yè)企業(yè)，流程工業(yè)指的是以連續(xù)性或半連續(xù)性的物料流動、化學反應或物理變化為主要特征的工業(yè)部門。生產往往是連續(xù)的、不可逆的，中間環(huán)節(jié)很難像機械制造那樣“停下來”再裝配。

這意味著，應用于流程工業(yè)的AI模型需要深度融合工藝知識（Know-how），具備強大的實時數據處理能力，以安全和效益為核心，并能夠快速響應生產過程中的變化，是一個工業(yè)級“超級大腦”。

乙烯是一種重要的化工基礎原料，被譽為“石化工業(yè)之母”，而乙烯生產過程由于對工藝設計、裝備制造、過程控制、生產操作等有著極高的要求，由此帶來的技術密集度高、工藝流程長、運行工況苛刻等特點使其在業(yè)內享有“皇冠上的明珠”之稱。

蘭州石化榆林化工80萬噸乙烷制乙烯項目是國家級示范工程，也是保障國家石化能源安全的重要工程。作為一家始終走在技術前沿的老國企，如何利用AI，確保生產安全、提升運行效率、實現精益生產，蘭州石化榆林化工一直都在思考解法。

在眾多國內外企業(yè)中，他們選擇了一家名為中控技術的上市企業(yè)。

這除了因為中控技術在流程工業(yè)深耕30余年的積淀和口碑外，還有一個重要的原因：中控技術近年在工業(yè)AI領域持續(xù)加大研發(fā)投入，打造了一款專為流程工業(yè)而生的大模型——時間序列大模型TPT。

中控技術時間序列大模型TPT

時間序列大模型TPT（Time-series Pre-trained Transformer），由中控技術自主研發(fā)，并基于生成式AI算法及海量工業(yè)數據訓練而成。

時間序列是指按照時間順序排列的一系列數據點，在流程工業(yè)中，數據的順序至關重要?！跋劝l(fā)生A，后發(fā)生B”這個信息本身就有巨大價值。

流程工業(yè)具有典型的“多時序、少文本、缺圖像”的數據特征，主要信息載體是帶有時間標簽的時間序列數據，工廠里面發(fā)生的任何一個事件都可以被追溯為一段時間序列數據。

而TPT就是一種專門用于處理和分析時間序列數據的AI模型。它通過學習時間序列數據中的模式和規(guī)律，能夠進行預測、分類、異常檢測等任務。

中控技術副總裁兼Industrial AI事業(yè)群CEO吳玉成回想起當時承接蘭州石化榆林化工的乙烯項目時，第一反應是“太難了”。哪怕是全球已經發(fā)展了五十多年的DCS（分布式控制系統(tǒng)），作為自動化成熟產品，目前能夠用在大型乙烯項目上的廠家也是寥寥可數。雖然中控技術承接了近些年國內大量的大型乙烯項目，但在新興的大模型領域，實屬挑戰(zhàn)。但團隊經過評估之后，還是決定接受。

流程工業(yè)場景的需求，與消費場景有著本質差別。這里沒有靈感爆發(fā)，也沒有內容生成，而是涉及各種復雜環(huán)境和多變量參數的生產裝置，哪怕一次小小的預測錯誤，都可能帶來百萬級的經濟損失，甚至是安全事故。

如果說通用大模型像是一個博學的通才，擅長理解、生成語言，那么TPT就是一位讀過世界上所有設備操作手冊和歷史記錄的“超人工程師”，擅長基于規(guī)則從數字序列中洞察規(guī)律、預測未來。

TPT的邏輯是：在海量的、跨領域的時間序列數據上進行“預訓練”，得到一個通用的、強大的“基礎模型”，然后只需用少量數據對這個大模型進行“微調”，就能快速適應各種各樣的行業(yè)、工藝、裝置。

工廠里的設備，你只需要幫TPT回溯一段周期內的運行記錄和相關技術資料，TPT就能很快上手。通過統(tǒng)一分析類、優(yōu)化類、控制類、培訓類等工業(yè)建模過程，TPT可以實現裝置的跨工況、高精度、高可靠模擬與預測，從而解決數據碎片化、工業(yè)應用分散等難題。

蘭州石化榆林化工正是看中了TPT的這些優(yōu)勢，在今年提前引入了中控技術還沒有正式對外發(fā)布的最新時間序列模型TPT 2，并和內部已有的中國石油昆侖大模型進行了工作流的結合。

“中控技術TPT 2已經在工業(yè)生產控制、操作優(yōu)化等核心場景取得了應用突破，它能夠改變過去‘一場景一模型’的方式，沉淀行業(yè)的知識和經驗，為解決工業(yè)難題帶來新的思路和方法。”中石油蘭州石化榆林化工有限公司總經理、總工程師李瑋說。

引入TPT 2后，蘭州石化榆林化工在乙烷制乙烯生產中提升了兩個關鍵的數據：投爐時長縮短超過25%，單爐乙烯收率提升0.373%。

不要小看這兩個數據。

傳統(tǒng)的乙烯裂解裝置投爐升溫階段往往耗時長達15小時，如果升溫過快，極易導致燃燒不完全，進而影響下游乙烯產品質量。過去依賴人工經驗和延遲反饋的調整方式，往往存在“發(fā)現問題已為時過晚”的困境。將TPT 2引入投爐環(huán)節(jié)后，實現了升溫過程的精準控制。據蘭州石化榆林化工預估，投爐時長縮短超過25%可以讓每年單爐效益提高130萬元以上。

乙烯收率指的是原料在裂解反應中轉化為乙烯的效率。經過TPT 2優(yōu)化后，榆林化工單爐乙烯收率從49.792%提升至50.165%，收率增加0.373%?？此莆⑿〉臄抵担?0萬噸產能的背景下，這意味著單爐每年新增凈效益315.5萬元，每年整體效益提升超過1500萬元。

除了看得到的效益，作為流程工業(yè)領域的企業(yè)來說，蘭州石化榆林化工更在乎的是安全。

安全也是全行業(yè)的共識，工業(yè)AI領域有一句話是：工業(yè)不接受“幻覺”。

在和中控技術合作時候，蘭州石化榆林化工把“確保生產安全”放在了第一位，他們的訴求是：提前識別和發(fā)現生產異常；快速定位和確定異常根因；即時獲得并執(zhí)行處置方案。

中控技術TPT 2從兩個方面讓生產運行更安全。

第一是實時監(jiān)控。依托乙烯裝置時序大模型的預測和異常檢測能力，TPT 2能夠對設備狀態(tài)、工藝參數和生產效率進行全方位監(jiān)測。通過動態(tài)生成參數可信區(qū)間，系統(tǒng)能夠精準識別早期異常，提前發(fā)出預警，有效保障裝置在高負荷下依然保持安全與穩(wěn)定。

第二是診斷分析。在發(fā)現異常后，TPT 2不僅能迅速給出報警，還能自動生成處置方案，深入剖析問題根因，并提供相應的操作建議與應急流程。對一線工程師而言，這相當于一名“隨時待命的專家助手”，幫助他們快速決策、即時響應，避免小問題演變成大事故。

中控技術TPT 2將復雜的工藝機理、設備特性以及必不可少的安全規(guī)程全部融合到了模型中，變成模型的本能反應。

這就是能進工廠的模型，它并不會展示各種榜單分數，而是真正切入到真實工業(yè)流程中，為工廠提供安全保障、為生產解決痛點、為企業(yè)帶來效益。

2.從TPT到TPT 2：讓工業(yè)AI懂人話、說人話、干人活

中控技術TPT自2024年6月首次推出以來，已經成功落地超過110個項目。

在落地過程中，中控技術產品經理林想經常會前往現場跟客戶交流。他發(fā)現，來跟他對接的工廠老師傅很有經驗，但他們并不太習慣操作復雜的工業(yè)軟件。他一直在思考一個問題：“到底怎么樣才能讓TPT這樣一個專業(yè)性很強的工業(yè)AI產品，被一般的員工在日常的工作中使用？”

在中控技術看來，延續(xù)傳統(tǒng)工業(yè)軟件定制化開發(fā)那條路徑是不行的，投入與產出不成正比，只會讓客戶停留在試用的階段，無法產生真正的效益。

“我們要讓任意場景、任意工業(yè)、任意裝置、任意崗位的流程工業(yè)一線從業(yè)者，都能零門檻用上工業(yè)AI，通過語言解決裝置生產運行中的模擬、優(yōu)化、控制、預測等多學科難題。”林想說，“新一代的TPT就是要讓工業(yè)AI懂人話、說人話、干人活。”

中控技術產品經理林想

這種來自工廠一線的觀察與思考，成為了TPT 2的研發(fā)目標。

在工業(yè)AI逐漸走向深水區(qū)的當下，8月28日，中控技術在杭州發(fā)布了全新一代時間序列大模型TPT 2。

TPT 2發(fā)布

作為以MoE（混合專家模型）為核心的工業(yè)智能體平臺，TPT 2不再只是一個工具型助手，而是能夠主動識別異常、智能評估風險并自主決策執(zhí)行的智能體。“TPT 2是專為流程工業(yè)核心需求打造的革命性工業(yè)AI工具。”中控國際運營公司副總裁張惠澤在新品發(fā)布時說。

長期以來，工業(yè)AI的發(fā)展受制于“一場景一模型”的碎片化模式。TPT 2打破了這一局限，依托SCOPES能力矩陣【模擬（Simulation）、控制（Control）、優(yōu)化（Optimization）、預測（Prediction）、評估（Evaluation）、統(tǒng)計（Statistics）】，實現了跨場景的智能體快速生成。這意味著，原本需要多個工業(yè)軟件分別完成的模擬、控制、優(yōu)化、預測、統(tǒng)計，如今可以通過一次建模、一套智能體完成，從而真正讓工廠積累的海量數據“活起來”，價值層層穿透。

在生產一線，復雜的工況往往意味著難以快速定位問題。TPT 2將數據規(guī)律深度融合進模型，使其具備根因定位與精準預測的能力。借助自然語言交互，工程師可以用對話的方式直接與模型溝通，迅速獲得針對性分析和解決方案。它就像一個7×24小時在線的專家顧問，幫助企業(yè)在關鍵時刻錨定決策點，提升運營與管理的核心競爭力。

更具顛覆性的是，TPT 2已經具備 “感知-識別-決策-執(zhí)行” 的全鏈路閉環(huán)能力。它不再局限于單一裝置或單一場景，而是可以在更復雜的工業(yè)環(huán)境中發(fā)揮作用。這為未來工廠的少人化、無人化乃至高度智能化提供了堅實的技術底座。

安全同樣是TPT 2的關注的重點。對此，中控技術的解法是：融合第一性原理。

在數據層，中控技術TPT 2研發(fā)團隊把熱力學、反應動力學等規(guī)律作為知識標簽，嵌入了訓練過程，讓模型既學到數據相關性，也學到因果規(guī)律。

在模型層，研發(fā)團隊通過增設物理損失函數來量化模型對第一性原理的違反程度，與數據損失共同優(yōu)化來增強模型梯度計算在物理和工程規(guī)律上面的精確性。

在應用層，研發(fā)團隊直接給TPT 2上了三道“安全鎖”。

第一道鎖-感知：實時監(jiān)測數據質量，輸出結果時附加“靠譜指數”； 第二道鎖-執(zhí)行：AI的指令在工藝約束下限幅、限速； 第三道鎖-進化：通過“專家評分+強化學習”，不斷迭代，越用越穩(wěn)。

中控技術AI應用工程師曾欣欣講解工業(yè)AI的“三道安全鎖”，圖片來源：「甲子光年」拍攝

中控技術AI應用工程師曾欣欣說：“我們團隊目前最大的成就是用我們的TPT 2，將一套百萬噸級別的硫酸裝置的操作頻次，從一天最高6000多次，降到日均不到10次，甚至可以多天連續(xù)0操作運行。這種近乎無介入的自主運行，正是我們工業(yè)AI可靠落地的最佳體現?！?/p>

「甲子光年」認為，TPT 2不僅是一代模型的迭代，更是對工業(yè)軟件技術體系與應用模式的一次重塑：從依賴工程師經驗的“人工診治”，轉向以智能體為核心的“自主演化”。

3.破局者為什么是中控技術？

從TPT到TPT 2，中控技術不僅在解決工業(yè)裝置自身的智能化問題，還為流程工業(yè)場景中的所有企業(yè)搭建了一個開放的工業(yè)AI平臺。

這也是現在中控技術對自己的定位：一家以工業(yè)數據為基礎、AI大模型為核心、全場景智能體為觸手的工業(yè)AI平臺型公司。

但是為什么工業(yè)AI領域的破局者是中控技術？

中控辦公樓

中控技術股份有限公司成立于20世紀90年代，以工業(yè)控制系統(tǒng)起家?！艾F場總線控制系統(tǒng)”曾榮獲國家科學技術進步獎二等獎；自主研發(fā)的我國第一臺1:1熱冗余DCS（分布式控制系統(tǒng)）曾榮獲國家科學技術進步獎三等獎。

DCS是工業(yè)自動化的基礎設施。它保證了大型工廠在復雜工藝、多變量耦合的情況下能夠長期、安全、穩(wěn)定運行，是智能工廠和工業(yè)AI進一步落地的硬件基礎。

中控技術工業(yè)AI技術管理總經理王寬心介紹，過去14年中控技術在中國的DCS市占率一直穩(wěn)居第一，特別是在一些大型石化化工行業(yè)，基本上使用的都是中控技術的控制系統(tǒng)。數據顯示，2024年中控技術在國內DCS整體市占率為40.40%，石化領域的DCS占有率達到56.2%，化工領域的DCS占有率更是達到了62.6%。

在發(fā)展過程中，中控技術持續(xù)在工業(yè)領域精耕，逐漸從自動化產品供應商轉型智能制造整體解決方案供應商。經過在流程工業(yè)領域30多年的持續(xù)深耕，中控技術形成了兩大優(yōu)勢。

一是產生了大量的工業(yè)數據。中控技術已累計為流程工業(yè)提供了10萬套控制系統(tǒng)，累計產生的數據量約為100EB，是大語言模型訓練數據的一萬倍以上。這一數據體量足以支撐中控技術去挖掘工業(yè)核心場景的數據價值。

第二個是積累了大量的行業(yè)Know-how。中控技術建立了強大的工業(yè)數據解讀能力，能夠深度挖掘場景，更好地用人工智能技術為流程工業(yè)提供技術、產品和服務。這也是中控技術全面向工業(yè)AI進行戰(zhàn)略轉型的基礎。

有優(yōu)勢并不足以破局，還要有決心。

在TPT 2發(fā)布會上，中控創(chuàng)始人褚健說：“30 年前，我們緊跟跨國公司的DCS。后來，我們通過自己的努力研發(fā)，不斷地實踐、迭代、應用，在痛苦中成長。在相當長一段時間里面，我們沒有品牌，有的就是苦干。而現在，我們想回答‘如何在工業(yè)領域把AI應用好’這樣一個放在全世界都是挑戰(zhàn)的問題?！?/p>

中控創(chuàng)始人褚健

而在TPT 2發(fā)布會后的媒體會上，在談到“中控技術如何看自身對工業(yè)AI的研發(fā)投入和產出比”時，中控技術董事長兼總裁崔山的回答很直接：“說實話，這個問題我們想都不想，因為我們現在不做，我們根本就沒有未來，我們真正去做，這條路我們會很快走出來?！?/p>

中控技術董事長兼總裁崔山

很多人提起中控技術，第一反應仍停留在“國內自動化控制系統(tǒng)供應商”，但若依舊用這種“傳統(tǒng)工業(yè)軟件廠商”的眼光去看待中控技術，顯然已經過時。

在大模型的浪潮中，眾多明星AI公司依舊在為落地場景發(fā)愁，而中控技術在工廠真實運行的高風險場景里，讓大模型完成了從“輔助”到“決策”的轉變。

目前，中控技術已經和中國石化、中國石油、中煤等央企集團開展深度合作，基于TPT打造的工業(yè)智能體也已經在國內外百余家大型流程工業(yè)企業(yè)取得了突破性應用。不僅如此，在一些大型的化工裝置，基于TPT打造的工業(yè)智能體已經能夠下沉到邊緣端和控制器內，在不需要人工參與下完成自主閉環(huán)控制。

中控技術在工業(yè)AI上的突破，真正做到了“可靠先于性能”，這是很多AI大模型公司尚未觸及的門檻。

資本市場評價科技公司的方式，往往看其是否能找到“高天花板+高壁壘”的市場。

工業(yè)AI的市場空間極為廣闊，但同時對安全性、可靠性的要求又極高，構成了天然壁壘。「甲子光年」認為，中控技術的積累與創(chuàng)新，對于資本市場而言，有兩方面的價值。

一是確定性，中控技術的收入依托真實工廠運行，不依賴“風口流量”，具備較穩(wěn)定的現金流；二是成長性，隨著大模型技術迭代和應用范圍擴大，智能體可以快速復制到更多裝置和行業(yè)，帶來指數級的拓展空間。

2024年7月，吳曉波和張江潤寫了一本書《跨越鴻溝：中控30年》。這本書講述了30年來，中控集團跨越了一道道看似不可逾越的鴻溝，將無數“不可能”轉變?yōu)椤翱赡堋保簭目蒲械疆a業(yè)的華麗轉身，從依賴進口到實現國產化的飛躍，打破“中國人做不出DCS”的偏見，以及在工業(yè)智能化轉型中的創(chuàng)新突破。

而現在，中控技術繼續(xù)迎難而上——跨越生成式AI鴻溝。

（封面圖及文中未標注來源圖片由中控技術提供）